Zobrazeno 1 - 10
of 846
pro vyhledávání: '"less resourced languages"'
Question Answering (QA) datasets are crucial in assessing reading comprehension skills for both machines and humans. While numerous datasets have been developed in English for this purpose, a noticeable void exists in less-resourced languages. To all
Externí odkaz:
http://arxiv.org/abs/2406.04233
Autor:
Zahra Fakher Ajabshir
Publikováno v:
Journal of Modern Research in English Language Studies, Vol 11, Iss 4, Pp 79-96 (2024)
Recently, the use of machine translation (MT) to support second language (L2) writing has increased. Since translation quality via MT matures every year, updated studies are required. The present study explored the quality of MT (Google Translate)
Externí odkaz:
https://doaj.org/article/f2437e6e7c1c4c3c905f10c64789ac09
This preprint describes work in progress on LR-Sum, a new permissively-licensed dataset created with the goal of enabling further research in automatic summarization for less-resourced languages. LR-Sum contains human-written summaries for 40 languag
Externí odkaz:
http://arxiv.org/abs/2212.09674
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Ulčar, Matej, Žagar, Aleš, Armendariz, Carlos S., Repar, Andraž, Pollak, Senja, Purver, Matthew, Robnik-Šikonja, Marko
The current dominance of deep neural networks in natural language processing is based on contextual embeddings such as ELMo, BERT, and BERT derivatives. Most existing work focuses on English; in contrast, we present here the first multilingual empiri
Externí odkaz:
http://arxiv.org/abs/2107.10614
Autor:
Ulčar, Matej, Robnik-Šikonja, Marko
Publikováno v:
Proceedings of the 12th Conference on Language Resources and Evaluation (LREC 2020), pages 4731-4738
Recent results show that deep neural networks using contextual embeddings significantly outperform non-contextual embeddings on a majority of text classification task. We offer precomputed embeddings from popular contextual ELMo model for seven langu
Externí odkaz:
http://arxiv.org/abs/1911.10049
Autor:
Melania Nitu, Mihai Dascalu
Publikováno v:
Applied Sciences, Vol 14, Iss 7, p 2700 (2024)
Authorship attribution for less-resourced languages like Romanian, characterized by the scarcity of large, annotated datasets and the limited number of available NLP tools, poses unique challenges. This study focuses on a hybrid Transformer combining
Externí odkaz:
https://doaj.org/article/0a655d4db1c64e4eb2c3782debfeddfd
Conference
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Kniha
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.